Categories
DSP FPGA

Digital Signal Processing and Deep Learning – Bisa.AI dan APTIKOM DIY

Rekaman live Sabtu, 4 Juli 2020

Pada Roundtable ini akan membahas mengenai Digital Signal Processing dan Deep Learning dengan narasumber:

  • Dr. Agfianto Eko Putra (Dosen DIKE, Fak. MIPA, Universitas Gadjah Mada, Ketua Aptikom Daerah Istimewa Yogyakarta) — Pembahasan: digital signal processing untuk kasus speech signal dan seismic dengan MATLAB;
  • M. Octaviano Pratama, M.Kom (Chief Scientist BISA AI) — Pembahasan: klasifikasi low level dan high level speech feature dengan Deep Learning;
klik disini untuk link YOUTUBE-nya . Terima kasih dan semoga bermanfaat.
Categories
DSP

Identification of Voice Utterance with Aging Factor Using the Method of MFCC Multichannel

This research was conducted to develop a method to identify voice utterance. For voice utterance that encounters change caused by aging factor, with the interval of 10 to 25 years. The change of voice utterance influenced by aging factor might be extracted by MFCC (Mel Frequency Cepstrum Coefficient). However, the level of the compatibility of the feature may be dropped down to 55%. While the ones which do not encounter it may reach 95%. To improve the compatibility of the changing voice feature influenced by aging factor, then the method of the more specific feature extraction is developed: which is by separating the voice into several channels, suggested as MFCC multichannel, consisting of multichannel 5 filterbank (M5FB), multichannel 2 filterbank (M2FB) and multichannel 1 filterbank (M1FB). The result of the test shows that for model M5FB and M2FB have the highest score in the level of compatibility with 85% and 82% with 25 years interval. While model M5FB gets the highest score of 86% for 10 years time interval.

[more information]

Categories
Pembelajaran

Mengenal Prodi Elektronika dan Instrumentasi (ELINS)

Selamat datang mahasiswa/i baru Program Studi Elektronika dan Instrumentasi!!

Berikut, selain bisa Anda baca pada Panduan Resmi Fakultas MIPA, saya sampaikan sekeluimit tentang Prodi ELINS…

Pada dasarnya sarjana-sarjana Program Studi Elektronika dan Instrumentasi disiapkan dengan pilihan salah satu dari dua jalur yang menjembatani kesenjangan antara ilmu-ilmu murni dan rekayasa teknik, yaitu pengembangan ilmu dan penerapan ilmu. Program Studi Elektronika dan Instrumentasi mengupayakan pendidikan dalam bidang yang pada umumnya berada di antara ilmu murni, khususnya Fisika, dan rekayasa, khususnya Teknik Elektro. Terutama yang belum / kurang mendapatkan penekanan pada kedua bidang tersebut, namun diperlukan oleh industri, lembaga-lembaga penelitian dan lembaga pendidikan dalam lingkup pembangunan Nasional.

Foto 1. Kegiatan Lomba Elektronika dan Instrumentasi 2007 – sambutan wakil prodi (Dr. Agfianto Eko Putra, M.Si.)

FMIPA UGM mulai menyelenggarakan pendidikan di bidang Elektronika dan Instrumentasi yang dulunya merupakan Seksi Elektronika dalam jurusan Fisika. Kemudian berdasarkan SK Dirjen DIKTI Nomor 22/DIKTI/Kep/1985 tanggal 1 Mei 1985 dan makin dirasakan adanya kebutuhan akan ilmu terapan serta kemampuan yang cukup memadai, maka mulai tahun 1987 Seksi Elektronika tersebut ditingkatkan menjadi Program Studi Elektronika dan Instrumentasi (Prodi ELINS) yang langsung menerima mahasiswa baru melalui jalur UMPTN dan PBUD (PMDK).

Tetapi pada tahun 1994 program studi ini tidak menerima mahasiswa baru lagi dan pada tahun 1999 Program Diploma (D3) Elektronika & Instrumentasi dibuka. Kemudian pada tahun 2002 Program Studi Elektronika & Instrumentasi (S1) dibuka kembali dan menerima mahasiswa baru melalui jalur SPMB. Kemudian pada tahun 2003 Prodi ELINS menerima mahasiswa baru melalui jalur SPMB dan UM-UGM serta jalur lain yang ditentukan oleh UGM.

Dan Program Studi Elektronika dan Instrumentasi UGM menurut Keputusan BAN-PT No. 217/SK/BAN-PT/Ak-XVI/S/X/2013, telah terakreditasi dengan peringkat A .

Pendahuluan – Visi

Menjadi program studi yang unggul secara nasional dan mempunyai kualitas internasional dalam pendidikan, proses pembelajaran, pengembangan dan penerapan ilmu elektronika dan instrumentasi secara luas dengan produk berkompetensi tinggi dan menghasilkan lulusan yang unggul secara intelektual, mempunyai moral yang baik, kompeten, menguasai ilmu pengetahuan dan teknologi serta mampu berperan aktif dalam bidang sosial, demi kejayaan Indonesia pada khususnya dan umat manusia pada umumnya.

Pendahuluan – Misi

  1. Menumbuhkembangkan kemampuan Program Studi Elektronika dan Instrumentasi dalam pelaksanaan proses pembelajaran agar mampu menyelenggarakan pendidikan elektronika dan instrumentasi dan penerapannya di garis depan sampai ke jenjang pasca sarjana dengan lulusan bertaraf internasional untuk semua lapisan warga masyarakat Indonesia yang berpotensi maju dari seluruh tanah air.
  2. Menumbuhkembangkan kelompok penelitian elektronika dan instrumentasi agar mampu menyelenggarakan penelitian dasar maupun terapan secara bertanggung jawab dan terpadu, serta bertaraf internasional sehingga mampu mengembangkan ilmu pengetahuan dan teknologi untuk kesejahteraan bangsa dan umat manusia.
  3. Meningkatkan peran elektronika dan instrumentasi dalam pengembangan teknologi sehingga lebih dikenal dan dihargai oleh seluruh lapisan masyarakat melalui rangkaian kegiatan pemanfaatan Elektronika dan Instrumentasi untuk menunjang kesejahteraan dan kenyamanan masyarakat dalam aspek material maupun spiritual.

Tujuan

Mendidik dan mempersiapkan mahasiswa menjadi sarjana yang mampu mengikuti dan menyerap perkembangan ilmu/sains yang mutakhir dan teknologi maju, membantu mengembangkan dan meneliti, melaksanakan alih ilmu dan teknologi dan menerapkannya untuk kepentingan pembangunan nasional, dalam bidang elektronika, instrumentasi, dan sistem komputer.

Sasaran

  1. Terwujudnya pembelajaran berbasis riset dalam bidang elektronika dan instrumentasi.
  2. Tercapainya peningkatan reputasi internasional di bidang pendidikan, riset dan pengabdian pada masyarakat.
  3. Tercapainya peningkatan jejaring kerjasama internasional.
  4. Tercapainya peningkatan peran dalam penyelesaian masalah bangsa dengan pendekatan kerakyatan dan sosiobudaya Indonesia.
  5. Tercapainya good governance dalam sistem manajemen.
  6. Tercapainya peningkatan berkelanjutan, kapasitas kerjasama dan pengembangan usaha
Categories
DSP

Rangkuman artikel Pemrosesan Sinyal Digital sepanjang 2008-2015

Sungguh menyenangkan bisa menulis dan berbagi berbagai macam artikel atau paper yang berkaitan dengan Pemrosesan Sinyal Digital atau PSD yang sudah sekian tahun saya geluti, dan sebagaimana saya telah membuat rangkuman artikel tentang mikrokontroler dan PLC, berikut ini adalah rangkuman tentang artikel/paper tentang PSD atau DSP yang telah saya tulis sepanjang tahun 2008 – 2015, selamat membaca dan berdiskusi…

Categories
DSP

A Survey of Pedestrian Detection in Video

Pedestrian detection is one of the important topics in computer vision with key applications in various fields of human life such as intelligent vehicles, surveillance and advanced robotics. In recent years, research related to pedestrian detection commonplace. This paper aims to review the papers related to pedestrian detection in order to provide an overview of the recent research. Main contribution of this paper is to provide a general overview of pedestrian detection process that is viewed from different sides of the discussion. We divide the discussion into three stages: input, process and output. This paper does not make a selection or technique best method and optimal because the best technique depends on the needs, concerns and existing environment. However, this paper is useful for future researchers who want to know the current researches related to pedestrian detection. – See more at HERE.

Categories
DSP Neurosains

Analisis EEG Menggunakan Transformasi Fourier Waktu-singkat dan Wavelet Kontinu: Studi Kasus Pengaruh Bacaan al Quran

oleh: Agfianto Eko Putra dan Putrisia Hendra Ningrum Adiaty

Telah dilakukan analisis pengaruh bacaan Al Qur’an pada rekaman EEG menggunakan Transformasi Forier Waktu-Singkat (Short Time Fourier Transform atau STFT). Data yang dianalisis adalah rekaman EEG dari 5 orang laki-laki berumur 20-30 tahun. Setiap subyek mengalami 3 tahap perlakuan, yaitu diam, didengarkan bacaan Al Qur’an dan diam lagi. Perekaman EEG pada masing-masing subjek berlangsung selama 30 menit. Namun, data yang dianalisis adalah data transisi saat diam sampai diperdengarkan bacaan Al Qur’an pada menit ke 8 sampai 10. Data kemudian dianalisis menggunakan STFT dengan jendela Hamming panjang 128. Hasil analisis menunjukkan bahwa untuk keseluruhan subyek, otak kanannya aktif, didominasi oleh gelombang delta dan setelah didengarkan bacaan Al Qur’an, daya gelombang delta tersebut bertambah. Selain gelombang delta, gelombang theta dan alpha juga muncul setelah subyek mendengarkan bacaan Al Qur’an. Ayat Al Qur’an yang didengarkan pada subyek adalah surat Al-A’raaf ayat 40-47, Al-Baqarah ayat 255-257 dan ayat 285-286.

Ucapan Terima kasih

Diucapkan terima kasih kepada Jurusan Ilmu Komputer dan Elektronika (JIKE), Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Gadjah Mada atas dukungan dana penelitian ini pada tahun 2011. Juga pihak Rumah Sakit Sardjito Yogyakarta atas ijin-nya menggunakan alat rekam EEG selama proses perekaman EEG berlangsung.

Selengkapnya silahkan unduh disini. Terima kasih dan semoga bermanfaat…

Categories
DSP

Wavelets and Filter Banks Course Notes (Catatan Kuliah Wavelet dan Filter Banks)

Silahkan unduh versi Bahasa Indonesia-nya disini

Wavelets and Filter Banks Course Notes

Copyright ©Dr. W. J. Phillips

January 9, 2003

  • 1. Analysis and Synthesis of Signals
  • 2. Time-Frequency Analysis
    • 2.1 The Short Time Fourier Transform
    • 2.2 The spectrogram
    • 2.3 An Orthgonal Basis of Functions
  • 3. Time-Scale Analysis
    • 3.1 The Continuous Wavelet Transform
    • 3.2 Comparision with STFT
    • 3.3 The Scalogram
    • 3.4 Examples of Wavelets
    • 3.5 Analysis and Synthesis with Wavelets
    • 3.6 The Haar Wavelet
  • 4. Multiresolution Analysis
    • 4.1 The Scaling Function
    • 4.2 The Discrete Wavelet Transform
  • 5. Filter Banks and the Discrete Wavelet Transform
    • 5.1 Analysis: From Fine Scale to Coarser Scale
      • 5.1.1 Filtering and Downsampling
      • 5.1.2 The One-Stage Analysis Filter Bank
      • 5.1.3 The Analysis Filter Bank
    • 5.2 Synthesis: From Course Scale to Fine Scale
      • 5.2.1 Upsampling and Filtering
      • 5.2.2 The One-Stage Synthesis Filter Bank
      • 5.2.3 Perfect Reconstruction Filter Bank
      • 5.2.4 The Synthesis Filter Bank
      • 5.2.5 Approximations and Details
    • 5.3 Numerical Complexity of the Discrete Wavelet Transform
    • 5.4 Matlab Examples
      • 5.4.1 One-Stage Perfect Reconstruction
      • 5.4.2 Approximations and Details
      • 5.4.3 A Useful Function
    • 5.5 Initialization of the Discrete Wavelet Transform
  • 6. Properties of the Filters, and the Scale and Wavelet Functions
    • 6.1 Double Shift Orthogonality of the Filters
    • 6.2 Frequency Domain Formulas
    • 6.3 Support of the Scale Function
    • 6.4 The Cascade Algorithm
  • 7. Designing Wavelets
    • 7.1 Short Filters
      • 7.1.1 Length 2 Filter
      • 7.1.2 Length 4 Filter
      • 7.1.3 Length 6 Filter
    • 7.2 K-Regular Scaling Filters
      • 7.2.1 The db2 Wavelet
      • 7.2.2 The db3 Wavelet
    • 7.3 Characterizing K-Regular Filters
    • 7.4 The Daubechies Maximally Flat Polynomial
      • 7.4.1 Factoring the Daubechie Maximally Flat Polynomial
    • 7.5 Coiflets
      • 7.5.1 Coif1
      • 7.5.2 Coif2
Unduh versi Indonesianya hanya disini… Terima kasih…!

Categories
Pembelajaran

Artikel apa saja yang perlu saya tulis di 2010?

Sebelumnya saya banyak mengucapkan terima kasih, jazakumullah atas partisipasi rekan2 semua penggemar website saya dalam diskusi di komentar-komentar tiap-tiap artikel…

Ada baiknya, saya memohon keikhlasan Anda untuk memberikan saran-saran kepada saya, artikel-artikel apa saja yang perlu saya tulis untuk membantu dan bermanfaat bagi Anda , walaupun saya juga tidak bisa janji memenuhi semua, namun minimal ada rencana-rencana artikel yang bisa saya terbitkan di sepanjang tahun 2010 nantinya, selain dari rencana-rencana artikel dari saya pribadi…

Sebelum dan sesudahnya saya ucapkan ribuan bahkan jutaan bahkan tak berhingga terimakasih kepada Anda yang sudah berkenan menuliskan saran-saran melalui komentar di artikel ini…

Monggo, silahkan…

Categories
DSP

MATLAB: Akuisisi Data melalui Kartu Suara

Biasanya, ada 4 (empat) proses yang harus dilakukan dalam akusisi data melalui Kartu suara (soundcard) menggunakan MATLAB:

  1. Inisialisasi, membuat objek device;
  2. Konfigurasi, menambahkan kanal serta mengatur cara akuisisi;
  3. Eksekusi, memulai (mengaktifkan) objek device dan akuisisi atau mengirim data;
  4. Terminasi, menghapus objekdevice.

Untukmemverifikasi frekuensi dasar sebuah garputala adalah 440Hz, sebuah nada akan diakuisisi dan analisis menggunakan MATLAB. Ini adalah contoh proses yang akan dijelaskan berikut ini.

Dalam contoh ini, kita akan memverifikasi frekuensi dasar (fundamental) sebuah garputala adalah 440Hz. Untuk melakukan hal ini, akan kita gunakan sebuah mikrofon dan sebuah kartu suara untuk memperolah data-data suara. Berikutnya, akan dilakukan proses FFT dari data yang diperoleh untuk menemukan komponen frekuensi sebuah garputala.

akuisisi data suara menggunakan kartu suara

Kita awala dengan mengambil data suara selama 2 detik melalui kanal di kartu suara. Karena garputala bergetar dengan frekuensi nominal 440Hz, frekuensi pencuplikan kartu suara bisa diatur paling rendah yaitu 8000Hz.

Setelah kita getarkan garputala dan kita letakkan dengan dengan mikrofon, akan kita lakukan akusisi data. Berikut penjelasan dari masing-masing langkah yang telah disebutkan sebelumnya…

Categories
DSP FPGA

Mengapa menggunakan FPGA untuk aplikasi PSD?

It is no accident that FPGAs serve an increasingly vital role in the design and development of today’s most demanding digital signal processing (DSP) systems. Superior performance, system-level cost- and powerefficiency, faster time to market and unrivaled flexibility are the hallmarks of FPGA-based DSP designs – value propositions that havefound increasingly appreciative reception among leaders in markets like the communications industry.

Ada 5 (lima) alasan menggunakan FPGA untuk aplikasi-aplikasi Pemrosesan Sinyal Digital atau PSD:

  1. Kemampuan untuk menangani beban komputasi yang begitu berat
    FPGA membolehkan Anda membangun suatu arsitektur paralel dengan kemampuan laju pencuplikan sama dengan laju detak/clock Anda. Keuntungannya adalah sebuah sistem dengan kemampuan bisa mencapai 500MSPS. Unjuk kerja seperti ini sangat ideal untuk membuat sebuah sistem kanal tunggal dengan laju pencuplikan sangat cepat atau laju pencuplikan rendah untuk ratusan kanal.
  2. Menghilangkan tugas-tugas intensif dari prosesor PSD
    dan menyelamatkan siklus-siklus penting untuk implementasi fungsi-fungsi yang lain.
  3. Kustomisasi arsitektur Anda agar sesuai dengan algoritma ideal Anda
    Dengan FPGA, Anda memperoleh sebuah larik MACs atau Pengali untuk melakukan implementasi arsitektur tap-tunggal atau -banyak. Kemampuan FPGA yang bisa dikonfigurasi-ulang, artinya, sekali Anda mengembangkan algoritma Anda, Anda bisa membuat arsitektur ideal untuk implementasi algoritma Anda.
  4. Mengurangi ongkos sistem
    FPGA membolehkan Anda memadukan komponen-komponen lain yang dibutuhkan di dalam sistem, sehingga bisa mengurangi biaya total sistem. Misalnya, penerima-pengirim serial RapidIO, antarmuka PCI express, glue logic dan lain sebagainya.
  5. Efisiensi daya
    Teknologi FPGA saat ini sudah didukung dengan low power technology, sehingga Anda tidak perlu kawatir dengan daya yang dibutuhkan, karena memang sangat rendah.

Semoga bermanfaat…